امکان سنجی تشخیص برخط بیماری آتشک در گیاه لیلیوم به کمک سامانه ماشین بینایی و خوشه بندی K-means

تشخیص خودکار و به موقع بیماری های گیاهی، یک موضوع اساسی در نظارت و تولید محصولات سالم و باکیفیت است. لذا طراحی و توسعه روشی سریع، خودکار، ارزان و دقیق به منظور تشخیص بیماری گیاهان در مراحل اولیه از اهمیت به سزایی برخوردار است. در این پژوهش تصاویر از 40 لیلیوم آلوده به بیماری آتشک و 40 گیاه سالم توسط دوربین دیجیتال اخذ و پس از تقسیم بندی تصاویر تعداد 9 ویژگی رنگی از سه کانال RGB، Lab و HSV از ساقه و برگ گیاه و همچنین یک ویژگی مورفولوژیکی (طول ساقه) از گیاه استخراج شد. با اعمال الگوریتم پرچین های زبانی طی 100 هزار تکرار موثرترین این ویژگی ها (L برگ، L ساقه، a برگ، b برگ، H برگ، b ساقه، H ساقه، V برگ و طول ساقه) انتخاب و به وسیله خوشه بند k-means گروه بندی شدند. در نهایت نشان داده شد که دقت خوشه بند برای دو گونه بیمار، سالم و دقت کلی به ترتیب برابر با 42/96 و 100 و 63/97 درصد به دست آمد.